Identification des jeux de données proxy des limites urbaines : une nouvelle perspective pour la planification des infrastructures

Introduction

Le point de départ de la planification des infrastructures est souvent la délimitation de ce qu'est une « ville ». Cependant, les limites urbaines n'existent pas naturellement – ce sont des constructions artificielles, qui dépendent des ensembles de données et des hypothèses utilisés. Un article d'opinion récemment publié dans *Nature Cities* (Van Migerode et al., 2026) passe systématiquement en revue les ensembles de données proxy utilisés pour identifier les limites urbaines, y compris la distribution de la population, la superficie des zones bâties et les lumières nocturnes, et propose un cadre de sélection guidé par l'objectif. Pour les analystes d'infrastructures, les financiers de projets et les planificateurs régionaux, ce cadre a des implications pratiques profondes : différentes définitions des frontières modifieront directement les jugements sur les besoins en infrastructures, l'allocation des capitaux et la connectivité régionale.

La gamme des ensembles de données proxy

Les chercheurs utilisent généralement trois types d'ensembles de données proxy pour délimiter les limites urbaines :

• Données de population : par exemple, les données de population globales grillagées (WorldPop, GPW), mettant l'accent sur la densité et l'agglomération de la population. Avantages : directement liées à la dimension sociale de l'urbanisation, mais sensibles aux limites administratives et à la qualité des recensements.
• Données de zones bâties : extraction des surfaces imperméables à partir d'images de télédétection (MODIS, Landsat), reflétant l'expansion physique. Adaptées à l'analyse des changements d'utilisation des terres, mais peuvent ignorer les zones à faible densité ou informelles.
• Données de lumières nocturnes : comme DMSP/OLS, VIIRS, capturant l'intensité de l'activité humaine. Avantages : liées à l'activité économique, mais souffrent de sursaturation, de faible résolution spatiale, etc.

Chaque ensemble de données implique un concept différent de « ville » : les données de population mettent l'accent sur les « personnes », les zones bâties sur les « objets », les lumières nocturnes sur les « activités ». Ces différences font qu'une même zone peut être incluse ou exclue des limites urbaines, affectant ainsi les analyses ultérieures.

Cadre de sélection guidé par l'objectif

• Les auteurs proposent que le choix des ensembles de données proxy devrait être basé sur l'objectif de l'application, plutôt que de rechercher une limite « correcte ». Par exemple :
• Pour évaluer l'effet d'îlot de chaleur urbain, les données de zones bâties peuvent être plus appropriées (Yang et al., 2023) ;
• Pour étudier l'agglomération économique, les données de lumières nocturnes ou de signaux de téléphonie mobile sont plus efficaces (Dingel et al., 2021; Dong et al., 2024) ;
• Pour planifier l'allocation des ressources en cas de catastrophe, les données de population sont plus critiques (MacManus et al., 2021).Pour les investissements dans les infrastructures, ce cadre implique :

1. Financement de projets : lors de l’évaluation des projets d’infrastructures urbaines, les prêteurs doivent clairement définir comment la « zone urbaine » desservie par le projet est délimitée. Des limites différentes entraînent des expositions au risque et des attentes de rendement différentes. 2. Couloirs de développement régional : lors de la planification de corridors de transport ou de réseaux énergétiques, la continuité des frontières détermine la disposition du corridor. Les données de lumières nocturnes peuvent révéler les liens économiques réels au-delà des frontières administratives, tandis que les données démographiques peuvent renforcer les divisions administratives. 3. Construction dans les pays du Sud : de nombreuses villes en développement manquent de données administratives de qualité, ce qui fait des ensembles de données proxy la seule option. Mais si l’on applique aveuglément les méthodes des pays à revenu élevé, on peut sous-estimer la densité de population des quartiers informels, ce qui conduit à une planification insuffisante des infrastructures.

Des données à la décision : réflexion sur des cas

Supposons qu’une agence de développement internationale prévoie d’investir dans un corridor ferroviaire dans une région d’Afrique en urbanisation rapide. L’utilisation de données démographiques pourrait limiter les limites de la ville au noyau à haute densité, suggérant ainsi de concentrer les gares en centre-ville ; tandis que l’utilisation de données de lumières nocturnes pourrait révéler des ceintures industrielles de banlieue à faible densité mais à activité économique dynamique, suggérant alors de prolonger la ligne. Ces deux décisions auront un impact significatif sur l’allocation du capital, les prévisions de demande de passagers et les modèles financiers du projet.

De même, dans l’expansion d’une ville portuaire, les données sur les zones bâties reflètent avec précision l’occupation physique mais ne capturent pas les flux de navetteurs. Si l’on se base uniquement sur ces données pour planifier les routes de dégagement portuaire, on risque de négliger les pressions de circulation interrégionales.

Enseignements pour les chercheurs en infrastructures

Cette étude rappelle que les limites urbaines ne sont pas des faits objectifs, mais des outils d’analyse. Tout analyste d’infrastructures qui cite des données sur la « superficie urbaine », le « taux d’urbanisation » ou la « population urbaine » doit s’interroger sur les ensembles de données proxy sous-jacents. Sinon, des statistiques apparemment précises peuvent masquer des écarts conceptuels fondamentaux.

Les orientations futures incluent la combinaison de données multi-sources (par exemple, signaux mobiles + imagerie à haute résolution) pour améliorer la précision, et le développement de définitions normalisées des limites adaptées à des catégories spécifiques d’infrastructures (par exemple, des limites urbaines axées sur les transports).

Conclusion

L’identification des limites urbaines est un problème apparemment basique mais en réalité crucial dans la planification des infrastructures. Le travail de Van Migerode et al. offre une logique de sélection pratique permettant aux chercheurs de faire des choix éclairés en fonction de besoins spécifiques. Pour la communauté mondiale des infrastructures, accepter cette incertitude et la gérer activement contribuera à orienter plus efficacement les flux de capitaux, à réduire les erreurs d’appréciation et à soutenir une expansion urbaine durable.